迭代学习控制采用“在重复中学习”的学习策略,它具有记忆系统和经验修正机制。它是以控制系统的实际输出与期望输出之间的偏差来不断修正控制信号,从而提高被控系统的跟踪性能。传统迭代学习控制算法中的学习参数对迭代学习算法的收敛性和收敛速度的影响很大,由此考虑运用优化理论来设计迭代学习控制律。本文针对被控系统存在的控制精度不高、学习效率低的问题,为了提高被控系统的控制精度及加快迭代域内的收敛速度,提出一种基于遗传算法的模糊PD型迭代学习控制算法。该算法在传统的PD型迭代学习控制算法基础上,结合模糊TSK模型,对迭代学习控制算法中的未知参数进行优化。迭代学习控制器利用模糊TSK模型产生,TSK模型中THEN部分的未知参数由遗传算法离线计算确定,进而产生合理的迭代学习律,作用于被控系统。最后,本文对基于遗传算法的模糊迭代学习控制算法进行分析研究,对比基于PID的迭代学习控制算法分析得出,基于遗传算法的迭代学习控制算法可以使得被控系统在对期望轨迹达到完全跟踪的同时提高收敛速度,并表现出良好的鲁棒性。在实际应用中,基于遗传算法的模糊迭代学习控制算法也具有良好的应用前景。